ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO. Seção 5.1 Problemas indecidíveis. Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima

Tamanho: px
Começar a partir da página:

Download "ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO. Seção 5.1 Problemas indecidíveis. Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima"

Transcrição

1 ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO Seção 5.1 Problemas indecidíveis Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima 1

2 Na aula passada... A MT é indecidível (usando diagonalização) - insolúvel Uma linguagem é Turing-decidível sse ela e seu complemento forem Turing-reconhecíveis O complemento de A MT NÃO é Turingreconhecível (completamente insolúvel) 2

3 Na aula de hoje Como provar que outros problemas são indecidíveis usando a técnica de redutibilidade 3

4 Redutibilidade Redução: conversão de um problema A em outro problema B de forma que a solução de B seja usada para solucionar A Ex: Se você tem amigos morando em Paris, viajar para Paris pode ser reduzido a Comprar uma passagem aérea de São Paulo a Paris, que pode ser reduzido a Ganhar dinheiro para a passagem, que pode ser reduzido a Encontrar um emprego 4

5 Redutibilidade Exemplos matemáticos: Medir a área de um retângulo pode ser reduzido a medir a altura e a largura do retângulo Resolver um problema de equações lineares pode ser reduzido ao problema de inverter uma matriz Algoritmos: Resolver um problema de ordenação de um arranjo pode ser reduzido ao problema de encontrar o maior elemento do arranjo; ou ao problema de intercalar dois sub-arranjos ordenados. 5

6 Redutibilidade Utilidade: Se A é redutível a B A não pode ser mais difícil do que B Se B for decidível, A também será Se A for indecidível, B também será 6

7 Redutibilidade Utilidade: Se A é redutível a B A não pode ser mais difícil do que B Se B for decidível, A também será Se A for indecidível, B também será Chave para provar que certos problemas são indecidíveis (reduzindo um problema conhecidamente indecidível a ele) 7

8 Ex: Problema da Parada PARA MT = {<M,w> : M é uma MT e M pára sobre a entrada w} Que problema indecidível pode ser reduzido a esse? 8

9 Ex: Problema da Parada PARA MT = {<M,w> : M é uma MT e M pára sobre a entrada w} A MT = {<M,w> : M é uma MT e M aceita w} A MT (que é indecidível) pode ser reduzido a PARA MT Logo, PARA MT é indecidível 9

10 Ex: Problema da Parada Prova (tem que mostrar a redução!): assuma, por contradição, que uma MT R decida PARA MT. Então construímos S que usa R para decidir A MT : S = Sobre a entrada <M, w>, uma codificação de uma MT M e uma cadeia w: 1. Rode a MT R sobre a entrada <M, w>. 2. Se R rejeita, rejeite. 3. Se R aceita, simule M sobre w até ela pare. 2. Se M aceitou, aceite; se M rejeitou, rejeite. 10

11 Ex: Problema da Parada Prova (tem que mostrar a redução!): assuma, por contradição, que uma MT R decida PARA MT. Então construímos S que usa R para decidir A MT : S = Sobre a entrada <M, w>, uma codificação de uma MT M e uma cadeia w: 1. Rode a MT R sobre a entrada <M, w>. 2. Se R rejeita, rejeite. 3. Se R aceita, simule M sobre w até ela pare. 2. Se M aceitou, aceite; se M rejeitou, rejeite. 11

12 Vacuidade de uma linguagem de uma MT Como escrever isso em forma de linguagem? 12

13 Vacuidade de uma linguagem de uma MT V MT = { <M>: M é uma MT e L(M) = Ø} Como podemos usar V MT para resolver A MT? Se uma linguagem for vazia, ela não aceita w. Mas e se não for? Ideia: construir uma versão de M que apenas teste w M1 = Sobre a entrada x: 1. Se x w rejeite 2. Se x = w, rode M sobre a entrada w e aceite se M aceita, e rejeite se M rejeita 13

14 Vacuidade de uma linguagem de uma MT V MT = { <M>: M é uma MT e L(M) = Ø} Como podemos usar V MT para resolver A MT? Se uma linguagem for vazia, ela não aceita w. Mas e se não for? Ideia: construir uma versão de M que apenas teste w M1 = Sobre a entrada x: 1. Se x w rejeite 2. Se x = w, rode M sobre a entrada w e aceite se M aceita, e rejeite se M rejeita 14

15 Vacuidade de uma linguagem de uma MT Suponha que R decide V MT, vamos construir S que decide A MT S = Sobre a entrada <M,w>, uma codificação de uma MT M e uma cadeia w: 1. Use a descrição de M e w para construir M1 2. Rode R sobre M1 3. Se R aceita,? ; se R rejeita,? 15

16 Vacuidade de uma linguagem de uma MT Suponha que R decide V MT, vamos construir S que decide A MT S = Sobre a entrada <M,w>, uma codificação de uma MT M e uma cadeia w: 1. Use a descrição de M e w para construir M1 2. Rode R sobre M1 3. Se R aceita, rejeite; se R rejeita, aceite. Mas como A MT é indecidível, V MT é indecidível 16

17 Classe da linguagem gerada por uma MT Dada um MT M, a linguagem gerada por ela poderia ser reconhecida por um modelo mais simples? Por ex: se a linguagem é regular Como escrever esse problema em termos de linguagem? 17

18 Determinação de se a linguagem gerada por uma MT é regular REGULAR MT = { <M> M é uma MT e L(M) é regular} 18

19 Determinação de se a linguagem gerada por uma MT é regular REGULAR MT = { <M> M é uma MT e L(M) é regular} REGULAR MT é indecidível Ideia da Prova: 19

20 Determinação de se a linguagem gerada por uma MT é regular REGULAR MT = { <M> M é uma MT e L(M) é regular} REGULAR MT é indecidível Ideia da Prova: Supomos que existe uma MT R que decide REGULAR MT e usamos R em uma MT S para decidir A MT Decidir se uma MT M2 é regular, onde M2 reconhece uma linguagem regular (Σ*) sse M aceita w 20

21 Determinação de se a linguagem gerada por uma MT é regular S que decide A MT usando R S = Sobre a entrada <M,w>, onde M é uma MT e w é uma cadeia: 1. Construa a MT M2: M2 = Sobre a entrada x: 1. Se x tem a forma 0 n 1 n, aceite 2. senão, rode M sobre a entrada w e aceite se M aceita w, rejeite se M rejeita 2. Rode R sobre a entrada <M2> 3. Se R aceita, aceite; se R rejeita, rejeite Mas A MT é indecidível, então REGULAR MT também é 21

22 Determinação de propriedades da linguagem gerada por uma MT Da mesma forma, os seguintes problemas são indecidíveis (para uma dada MT M) Determinar se L(M) é livre-de-contexto Determinar se L(M) é sensível ao contexto Determinar se L(M) é decidível (recursiva)... Na verdade, determinar qualquer propriedade de L(M) (Teorema de Rice) 22

23 Equivalência entre MTs 23

24 Equivalência entre MTs EQ MT = {<M1, M2> M1 e M2 são MTs e L(M1) = L(M2)} Podemos usar EQ MT para resolver V MT! Ideia: se uma MT M for equivalente a outra que rejeita qualquer cadeia, então L(M) = Ø Assuma que R é uma MT que decide EQ MT Vamos construir S que decide V MT usando R 24

25 Equivalência entre MTs S = Sobre a entrada <M> onde M é uma MT: 1. Rode R sobre a entrada <M, M1>, onde M1 é uma MT que rejeita todas as entradas. 2. Se R aceita, aceite; se R rejeita, rejeite. Mas V MT é indecidível, então EQ MT também é 25

26 Reduções via histórias de computação História de computação: sequência de configurações de uma MT, da inicial à de aceitação ou rejeição Uma história de computação deve ser finita Apenas uma para MTs determinísticas, e possivelmente várias para MTs nãodeterminísticas Aqui consideramos apenas MTs determinísticas 26

27 Vacuidade de autômatos linearmente limitados Autômatos linearmente limitados (ALL) são os modelos que reconhecem linguagens sensíveis ao contexto A ALL = {<M,w> M é um ALL que aceita a cadeia w} A ALL é decidível 27

28 Autômatos linearmente limitados A ALL é decidível Se ALL tem q estados, g símbolos de fita e uma fita de comprimento n, então só existem qng n configurações distintas (estado atual, posição da cabeça, conteúdo da fita) Se uma configuração se repetir, o ALL está em loop. Como é uma MT que decide A ALL? 28

29 Autômatos linearmente limitados A ALL é decidível L = Sobre a entrada <M,w>, onde M é um ALL e w é uma cadeia: 1. Simule M sobre w por qng n passos ou até que ela pare. 2. Se M parou, aceite se ela aceitou e rejeite se ela rejeitou. Se M não parou, rejeite. 29

30 Vacuidade de autômatos linearmente limitados Mas o problema da vacuidade de ALLs é indecidível V ALL = {<M> M é um ALL e L(M) = Ø} Para provar, vamos usar histórias da computação e redução a partir de A MT 30

31 Vacuidade de autômatos linearmente limitados Podemos construir um ALL B que reconheça apenas histórias de computação de aceitação de uma cadeia w em uma MT M Se L(B) for vazia, então M não aceita w, caso contrário aceita Como seria esse B? 31

32 ALL B: Vacuidade de autômatos linearmente limitados Fita contém inicialmente uma história de computação, ou seja, C1 até Cl, cada configuração separada por # Deve verificar 3 propriedades: 1. C1 é a configuração inicial de M sobre w C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2. Cada Ci+1 é originada de Ci Ci e ci+1 são idênticas exceto pelas posições sob e adjacentes à cabeça em Ci (estas, atualizadas conforme a função de transição) 3. Cl é uma configuração de aceitação para M Cl contém q aceita 32

33 ALL B: Vacuidade de autômatos linearmente limitados Fita contém inicialmente uma história de computação, ou seja, C1 até Cl, cada configuração separada por # Deve verificar 3 propriedades: 1. C1 é a configuração inicial de M sobre w C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2. Cada Ci+1 é originada de Ci Ci e ci+1 são idênticas exceto pelas posições sob e adjacentes à cabeça em Ci (estas, atualizadas conforme a função de transição) 3. Cl é uma configuração de aceitação para M Cl contém q aceita 33

34 ALL B: Vacuidade de autômatos linearmente limitados Fita contém inicialmente uma história de computação, ou seja, C1 até Cl, cada configuração separada por # Deve verificar 3 propriedades: 1. C1 é a configuração inicial de M sobre w C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2. Cada Ci+1 é originada de Ci Ci e ci+1 são idênticas exceto pelas posições sob e adjacentes à cabeça em Ci (estas, atualizadas conforme a função de transição) 3. Cl é uma configuração de aceitação para M Cl contém q aceita 34

35 ALL B: Vacuidade de autômatos linearmente limitados Fita contém inicialmente uma história de computação, ou seja, C1 até Cl, cada configuração separada por # Deve verificar 3 propriedades: 1. C1 é a configuração inicial de M sobre w C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2. Cada Ci+1 é originada de Ci Ci e ci+1 são idênticas exceto pelas posições sob e adjacentes à cabeça em Ci (estas, atualizadas conforme a função de transição) 3. Cl é uma configuração de aceitação para M Cl contém q aceita 35

36 ALL B: Vacuidade de autômatos linearmente limitados Fita contém inicialmente uma história de computação, ou seja, C1 até Cl, cada configuração separada por # Deve verificar 3 propriedades: 1. C1 é a configuração inicial de M sobre w C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2. Cada Ci+1 é originada de Ci Ci e ci+1 são idênticas exceto pelas posições sob e adjacentes à cabeça em Ci (estas, atualizadas conforme a função de transição) 3. Cl é uma configuração de aceitação para M Cl contém q aceita COMO? 36

37 ALL B: Vacuidade de autômatos linearmente limitados Fita contém inicialmente uma história de computação, ou seja, C1 até Cl, cada configuração separada por # Deve verificar 3 propriedades: 1. C1 é a configuração inicial de M sobre w C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2. Cada Ci+1 é originada de Ci Ci e ci+1 são idênticas exceto pelas posições sob e adjacentes à cabeça em Ci (estas, atualizadas conforme a função de transição) 3. Cl é uma configuração de aceitação para M Cl contém q aceita COMO? ZIGUE-ZAGUEANDO NA FITA 37

38 Vacuidade de autômatos linearmente limitados Redução de A MT a V ALL Suponha que existe uma MT R que decida V ALL : S decide A MT : S = Sobre a entrada <M,w>, onde M é uma MT e w uma cadeia: 1. Construa o ALL B a partir de M e w 2. Rode R sobre <B> 3. Se R rejeita, aceite; se R aceita, rejeite. Mas A MT é indecidível, então V ALL também é 38

39 Reduções via histórias de computação A mesma estratégia pode ser usada para provar a indecidibilidade de outros problemas Por exemplo... 39

40 Se uma GLC gera todas as cadeias TODAS GLC = {<G> G é uma GLC e L(G) = Σ*} é indecidível Prova por histórias da computação e redução a partir de A MT Para uma dada MT M e uma cadeia w, construímos uma GLC G que reconheça todas as cadeias que NÃO sejam histórias de computação de M sobre w Se M aceita w, G gera todas as cadeias MENOS a história de computação de M sobre w Se M não aceita w, G gera todas as cadeias Se G gerar todas as cadeias, então saberemos que M aceita w, caso contrário M não aceita w Se TODAS GLC fosse decidível, A MT também seria. Logo, TODAS GLC é indecidível 40

41 Se uma GLC gera todas as cadeias TODAS GLC = {<G> G é uma GLC e L(G) = Σ*} é indecidível Prova por histórias da computação e redução a partir de A MT Para uma dada MT M e uma cadeia w, construímos uma GLC G que reconheça todas as cadeias que NÃO sejam histórias de computação de M sobre w Se M aceita w, G gera todas as cadeias MENOS a história de computação de M sobre w Se M não aceita w, G gera todas as cadeias Se G gerar todas as cadeias, então saberemos que M aceita w, caso contrário M não aceita w Se TODAS GLC fosse decidível, A MT também seria. Logo, TODAS GLC é indecidível 41

42 Se uma GLC gera todas as cadeias Vamos construir um autômato a pilha equivalente a G (para aceitar cadeias que NÃO sejam histórias de computação de M sobre w), ou seja, cadeias que apresente AO MENOS UMA das seguintes propriedades (testadas não-deterministicamente): 1. não começa com C1 C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2.alguma Ci+1 não é originada de Ci 3. não termina com uma configuração de aceitação 42

43 Se uma GLC gera todas as cadeias Vamos construir um autômato a pilha equivalente a G (para aceitar cadeias que NÃO sejam histórias de computação de M sobre w), ou seja, cadeias que apresente AO MENOS UMA das seguintes propriedades (testadas não-deterministicamente): 1. não começa com C1 C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2.alguma Ci+1 não é originada de Ci como? 3. não termina com uma configuração de aceitação 43

44 Se uma GLC gera todas as cadeias Vamos construir um autômato a pilha equivalente a G (para aceitar cadeias que NÃO sejam histórias de computação de M sobre w), ou seja, cadeias que apresente AO MENOS UMA das seguintes propriedades (testadas não-deterministicamente): 1. não começa com C1 C1 = q 0 w 1 w 2...w n, onde q 0 é o estado inicial de M 2.alguma Ci+1 não é originada de Ci como? Fita: #C1#C2 R #C3#C4 R #...#Cl# 3. não termina com uma configuração de aceitação 44

Máquinas de Turing. Juliana Kaizer Vizzotto. Disciplina de Teoria da Computação. Universidade Federal de Santa Maria

Máquinas de Turing. Juliana Kaizer Vizzotto. Disciplina de Teoria da Computação. Universidade Federal de Santa Maria Universidade Federal de Santa Maria Disciplina de Teoria da Computação Roteiro Definição Formal de Máquina de Turing Mais exemplos Definição Formal de Máquina de Turing Uma máquina de Turing é uma 7-upla,

Leia mais

Faculdade de Computação

Faculdade de Computação UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Computação Disciplina : Teoria da Computação Professora : Sandra de Amo Solução da Lista de Exercícios n o 6 - Problemas Indecidiveis Exercicio 7-5.5 do

Leia mais

Classes de Complexidade e NP-Completude

Classes de Complexidade e NP-Completude Classes de Complexidade e NP-Completude E. C. Xavier e F. K. Miyazawa Instituto de Computação/Unicamp 8 de outubro de 2009 E. C. Xavier e F. K. Miyazawa (IC/Unicamp) Classes de Complexidade e NP-Completude

Leia mais

Que tipo de problemas são insolúveis por computador? Todos eles são teóricos?? A resposta é não!

Que tipo de problemas são insolúveis por computador? Todos eles são teóricos?? A resposta é não! Que tipo de problemas são insolúveis por computador? Todos eles são teóricos?? A resposta é não! Por exemplo, se dermos como entrada para um processo de verificação da corretude de programas um programa

Leia mais

Bases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15

Bases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15 Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.

Leia mais

Os limites da computação algorítmica

Os limites da computação algorítmica Capítulo 12 Os limites da computação algorítmica 12.1. Problemas que não podem ser resolvidos pelas MT. 12.2. Problemas indecidíveis para LRE 12.3. Problema da correspondência de Post 12.4. Problemas indecidíveis

Leia mais

6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto

6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto Capítulo 6. Autômatos com Pilha 6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto Nos exemplos da seção anterior, vimos que os autômatos com pilha existem para

Leia mais

Dadas a base e a altura de um triangulo, determinar sua área.

Dadas a base e a altura de um triangulo, determinar sua área. Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares

Leia mais

Introdução às Máquinas de Turing (TM)

Introdução às Máquinas de Turing (TM) Comparação com computadores: Introdução às Máquinas de Turing (TM) um modelo matemático simples de um computador Semelhanças: lê e escreve em posições arbitrarias de memoria Diferenças: sem limite no tamanho

Leia mais

Outras Máquinas de Turing

Outras Máquinas de Turing Capítulo 10 Outras Máquinas de Turing 10.1. Pequenas variações da TM padrão 10.2. MT s com dispositivos de armazenamento mais complexos 10.3. MT s não-determinísticas 10.4. A Máquina de Turing Universal

Leia mais

Problemas insolúveis. Um exemplo simples e concreto

Problemas insolúveis. Um exemplo simples e concreto Surge agora uma outra questão. Viemos buscando algoritmos para resolver problemas. No entanto, será que sempre seria possível achar esses algoritmos? Colocando de outra forma: será que, para todo problema,

Leia mais

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata

Leia mais

Lista n 0 1 de Exercícios de Teoria da Computação

Lista n 0 1 de Exercícios de Teoria da Computação Lista n 0 1 de Exercícios de Teoria da Computação UFU-Curso de Bacharelado em Ciência da Computação - 7 0 período Profa. Sandra de Amo Exercícios de Revisão : Autômatos e Gramáticas 1. Mostre que a linguagem

Leia mais

Autómatos finitos não determinísticos (AFND)

Autómatos finitos não determinísticos (AFND) Autómatos finitos não determinísticos (AFND) [HMU00](Cap 2.3) Computações não determinísticas: o estado seguinte não é univocamente determinado pelo estado actual.num autómato finito (não-determínistico):

Leia mais

Autómatos Finitos Determinísticos

Autómatos Finitos Determinísticos Ficha 2 Autómatos Finitos Determinísticos 2.1 Introdução Se olharmos, de forma simplificada, para um computador encontramos três componentes principais: a) A unidade de processamento central b) As unidades

Leia mais

Aplicações de Combinatória e Geometria na Teoria dos Números

Aplicações de Combinatória e Geometria na Teoria dos Números Aplicações de Combinatória e Geometria na Teoria dos Números Nesse artigo vamos discutir algumas abordagens diferentes na Teoria dos Números, no sentido de envolverem também outras grandes áreas, como

Leia mais

Algoritmos de Aproximação Segundo Semestre de 2012

Algoritmos de Aproximação Segundo Semestre de 2012 Algoritmos de Aproximação Segundo Semestre de 2012 Aproximação p. 1 Bin Packing Dados: n itens ([n] = {1,...,n}) Dados: comprimento a[i] do item i (i = 1,...,n) Aproximação p. 2 Bin Packing Dados: n itens

Leia mais

Roteiro da Aula 3. Sintaxe. 2 Exemplos. 4 Propriedades de Fechamento. Teoria da. 116360 Aula 3. Roteiro

Roteiro da Aula 3. Sintaxe. 2 Exemplos. 4 Propriedades de Fechamento. Teoria da. 116360 Aula 3. Roteiro 636 da Finitos Nãoterminísticos Finitos Não-terminísticos Sintaxe Semântica 2 3 4 5 636 Finitos Nãoterminísticos Sintaxe Semântica Não-terminismo Determinístico Exatamente uma trajetória sobre uma w Σ.

Leia mais

ESTRUTURAS DE DADOS II

ESTRUTURAS DE DADOS II ESTRUTURAS DE DADOS II Msc. Daniele Carvalho Oliveira Doutoranda em Ciência da Computação - UFU Mestre em Ciência da Computação UFU Bacharel em Ciência da Computação - UFJF Conteúdo Programático 1. Introdução

Leia mais

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum

Leia mais

Computabilidade 2012/2013. Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto

Computabilidade 2012/2013. Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto Computabilidade 2012/2013 Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto Capítulo 1 Computabilidade 1.1 A noção de computabilidade Um processo de computação

Leia mais

Universidade Federal de Alfenas

Universidade Federal de Alfenas Universidade Federal de Alfenas Projeto e Análise de Algoritmos Aula 02 Um pouco da história da computação humberto@bcc.unifal-mg.edu.br Última aula... Fundamentos de Matemática; Medida do Tempo de Execução

Leia mais

INTRODUÇÃO ÀS LINGUAGENS DE PROGRAMAÇÃO

INTRODUÇÃO ÀS LINGUAGENS DE PROGRAMAÇÃO Capítulo 1 INTRODUÇÃO ÀS LINGUAGENS DE PROGRAMAÇÃO 1.1 Histórico de Linguagens de Programação Para um computador executar uma dada tarefa é necessário que se informe a ele, de uma maneira clara, como ele

Leia mais

Processamento da Informação Teoria. Algoritmos e Tipos de dados

Processamento da Informação Teoria. Algoritmos e Tipos de dados Processamento da Informação Teoria Algoritmos e Tipos de dados Semana 01 Prof. Jesús P. Mena-Chalco 24/04/2013 (*) Slides adaptados das aulas do Prof. Harlen Costa Batagelo Algumas definições de algoritmo

Leia mais

Resolvendo problemas com logaritmos

Resolvendo problemas com logaritmos A UA UL LA Resolvendo problemas com logaritmos Introdução Na aula anterior descobrimos as propriedades dos logaritmos e tivemos um primeiro contato com a tábua de logarítmos. Agora você deverá aplicar

Leia mais

O método de Monte Carlo: algumas aplicações na Escola Básica

O método de Monte Carlo: algumas aplicações na Escola Básica 1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2009 O método de Monte Carlo: algumas aplicações na Escola Básica

Leia mais

Organização de programas em Python. Vanessa Braganholo vanessa@ic.uff.br

Organização de programas em Python. Vanessa Braganholo vanessa@ic.uff.br Organização de programas em Python Vanessa Braganholo vanessa@ic.uff.br Vamos programar em Python! Mas... } Como um programa é organizado? } Quais são os tipos de dados disponíveis? } Como variáveis podem

Leia mais

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48 Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração

Leia mais

Faculdade de Computação

Faculdade de Computação UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Computação Disciplina : Teoria da Computação Professora : Sandra Aparecida de Amo Lista de Exercícios n o 2 Exercícios sobre Modelos de Máquinas de Turing

Leia mais

Linguagens Livres de Contexto e Autômatos a Pilha (Push- Down) Um Modelo de Computação de Força Intermediária. Gramática Livre de Contexto

Linguagens Livres de Contexto e Autômatos a Pilha (Push- Down) Um Modelo de Computação de Força Intermediária. Gramática Livre de Contexto LFA - PARTE 2 Linguagens Livres de Contexto e Autômatos a Pilha (Push- Down) Um Modelo de Computação de Força Intermediária João Luís Garcia Rosa LFA-FEC-PUC-Campinas 2002 R. Gregory Taylor: http://starbase.cs.trincoll.edu/~rtaylor/thcomp/

Leia mais

Complexidade de Algoritmos

Complexidade de Algoritmos Complexidade de Algoritmos Classes de Complexidades de Problemas Prof. Osvaldo Luiz de Oliveira Estas anotações devem ser complementadas por apontamentos em aula. Tempo polinomial Um algoritmo A, com entrada

Leia mais

Análise e Complexidade de Algoritmos

Análise e Complexidade de Algoritmos Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com

Leia mais

2. Representação Numérica

2. Representação Numérica 2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos

Leia mais

Introdução às Linguagens de Programação

Introdução às Linguagens de Programação Introdução às Linguagens de Programação Histórico de Linguagens de Programação O computador não faz nada sozinho Precisamos informar, de forma clara, como ele deve executar as tarefas Ou seja, o computador

Leia mais

ALGORITMOS PARTE 01. Fabricio de Sousa Pinto

ALGORITMOS PARTE 01. Fabricio de Sousa Pinto ALGORITMOS PARTE 01 Fabricio de Sousa Pinto Algoritmos: Definição 2 É uma sequência de instruções finita e ordenada de forma lógica para a resolução de uma determinada tarefa ou problema. Algoritmos 3

Leia mais

Máquinas de Turing - Computabilidade

Máquinas de Turing - Computabilidade BCC244-Teoria da Computação Prof. Lucília Figueiredo Lista de Exercícios 03 DECOM ICEB - UFOP Máquinas de Turing - Computabilidade 1. Seja L uma linguagem não livre de contexto. Mostre que: (a) Se X uma

Leia mais

20 Caracteres - Tipo char

20 Caracteres - Tipo char 0 Caracteres - Tipo char Ronaldo F. Hashimoto e Carlos H. Morimoto Até agora vimos como o computador pode ser utilizado para processar informação que pode ser quantificada de forma numérica. No entanto,

Leia mais

MC-102 Aula 01. Instituto de Computação Unicamp

MC-102 Aula 01. Instituto de Computação Unicamp MC-102 Aula 01 Introdução à Programação de Computadores Instituto de Computação Unicamp 2015 Roteiro 1 Por que aprender a programar? 2 Hardware e Software 3 Organização de um ambiente computacional 4 Algoritmos

Leia mais

Computabilidade e Complexidade (ENG10014)

Computabilidade e Complexidade (ENG10014) Sistemas de Informação Computabilidade e Complexidade (ENG10014) Profa. Juliana Pinheiro Campos E-mail: jupcampos@gmail.com Decidibilidade O estudo da decidibilidade objetiva determinar a solucionabilidade

Leia mais

O que queremos. Processamento Estatístico da Linguagem Natural. Parsing Morfológico. Regras Simples. Adicionando palavras. Regras Derivacionais

O que queremos. Processamento Estatístico da Linguagem Natural. Parsing Morfológico. Regras Simples. Adicionando palavras. Regras Derivacionais Processamento Estatístico da Linguagem Natural Aula 5 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ O que queremos Algo que faça automaticamente um mapeamento

Leia mais

Teoria da Computação Linguagens e Expressões Regulares, Autómatos de Estados Finitos

Teoria da Computação Linguagens e Expressões Regulares, Autómatos de Estados Finitos Teoria da Computação Linguagens e Expressões Regulares, Autómatos de Estados Finitos Simão Melo de Sousa 12 de Outubro de 2011 Conteúdo 1 Linguagens e Expressões Regulares 2 2 Autómatos de Estados Finitos

Leia mais

Estrutura de Dados Básica

Estrutura de Dados Básica Estrutura de Dados Básica Professor: Osvaldo Kotaro Takai. Aula 7: Recursividade O objetivo desta aula é apresentar o conceito de recursão para solução de problemas. A recursão é uma técnica de programação

Leia mais

PROGRAMADOR JAVA. Aula 0 20 semanas. Instrutor : Léo Billi Email : leo.billi@gmail.com

PROGRAMADOR JAVA. Aula 0 20 semanas. Instrutor : Léo Billi Email : leo.billi@gmail.com Aula 0 20 semanas Instrutor : Léo Billi Email : leo.billi@gmail.com Bem-vindos Para que não sabe, quer dizer iniciantes. Noobs Informática A arte de processar dados A História A História A arte de processar

Leia mais

casa. Será uma casa simples, situada em terreno plano, com sala, dois quartos, cozinha, banheiro e área de serviço.

casa. Será uma casa simples, situada em terreno plano, com sala, dois quartos, cozinha, banheiro e área de serviço. A UUL AL A A casa Nesta aula vamos examinar a planta de uma casa. Será uma casa simples, situada em terreno plano, com, dois quartos, cozinha, banheiro e área de serviço. Introdução terreno 20 m rua 30

Leia mais

SUMÁRIO 1. AULA 6 ENDEREÇAMENTO IP:... 2

SUMÁRIO 1. AULA 6 ENDEREÇAMENTO IP:... 2 SUMÁRIO 1. AULA 6 ENDEREÇAMENTO IP:... 2 1.1 Introdução... 2 1.2 Estrutura do IP... 3 1.3 Tipos de IP... 3 1.4 Classes de IP... 4 1.5 Máscara de Sub-Rede... 6 1.6 Atribuindo um IP ao computador... 7 2

Leia mais

Autômatos a pilha. UFRN/DIMAp/DIM0330 Linguagens formais. David Déharbe. http://www.consiste.dimap.ufrn.br/ david/enseignement/2003.

Autômatos a pilha. UFRN/DIMAp/DIM0330 Linguagens formais. David Déharbe. http://www.consiste.dimap.ufrn.br/ david/enseignement/2003. UFRN/DIMAp/DIM0330 Linguagens formais http://www.consiste.dimap.ufrn.br/ david/enseignement/2003.1/dim0330 1/36 Autômatos a pilha David Déharbe UFRN/DIMAp Campus Universitário, Lagoa Nova, 59072-970 Natal,

Leia mais

Recursos. Um recurso é ou um dispositivo físico (dedicado) do hardware, ou Solicitar o recurso: esperar pelo recurso, até obtê-lo.

Recursos. Um recurso é ou um dispositivo físico (dedicado) do hardware, ou Solicitar o recurso: esperar pelo recurso, até obtê-lo. Um recurso é ou um dispositivo físico (dedicado) do hardware, ou um conjunto de informações, que deve ser exclusivamente usado. A impressora é um recurso, pois é um dispositivo dedicado, devido ao fato

Leia mais

Equações do segundo grau

Equações do segundo grau Módulo 1 Unidade 4 Equações do segundo grau Para início de conversa... Nesta unidade, vamos avançar um pouco mais nas resoluções de equações. Na unidade anterior, você estudou sobre as equações de primeiro

Leia mais

Lista 2 - Modelos determinísticos

Lista 2 - Modelos determinísticos EA044 - Planejamento e Análise de Sistemas de Produção Lista 2 - Modelos determinísticos Exercício 1 A Companhia Ferroviária do Brasil (CFB) está planejando a alocação de vagões a 5 regiões do país para

Leia mais

1 Propriedades das Funções Contínuas 2

1 Propriedades das Funções Contínuas 2 Propriedades das Funções Contínuas Prof. Doherty Andrade 2005 Sumário 1 Propriedades das Funções Contínuas 2 2 Continuidade 2 3 Propriedades 3 4 Continuidade Uniforme 9 5 Exercício 10 1 1 PROPRIEDADES

Leia mais

Decidibilidade. Mário S. Alvim Fundamentos de Teoria da Computação (FTC) DCC-UFMG (2018/02)

Decidibilidade. Mário S. Alvim Fundamentos de Teoria da Computação (FTC) DCC-UFMG (2018/02) Decidibilidade Mário S Alvim (msalvim@dccufmgbr) Fundamentos de Teoria da Computação (FTC) DCC-UFMG (2018/02) Mário S Alvim (msalvim@dccufmgbr) Decidibilidade DCC-UFMG (2018/02) 1 / 45 Decidibilidade:

Leia mais

Projetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.

Projetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2. Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações

Leia mais

Dificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril

Dificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril 15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica

Leia mais

AV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980

AV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980 Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.

Leia mais

Contagem II. Neste material vamos aprender novas técnicas relacionadas a problemas de contagem. 1. Separando em casos

Contagem II. Neste material vamos aprender novas técnicas relacionadas a problemas de contagem. 1. Separando em casos Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 5 Contagem II Neste material vamos aprender novas técnicas relacionadas a problemas de contagem. 1. Separando em

Leia mais

Título: Sistemas Lineares no CAp UFRJ: Interpretações Algébrica e Gráfica

Título: Sistemas Lineares no CAp UFRJ: Interpretações Algébrica e Gráfica Autor Letícia Guimarães Rangel Co-autor(es): Fernando Celso Villar Marinho Lílian Káram Parente Cury Spiller Rita Maria Cardoso Meirelles Tipo de Pesquisa Ensino Médio Números e Operações Componente Curricular

Leia mais

SuperLogo: aprendendo com a sua criatividade

SuperLogo: aprendendo com a sua criatividade SuperLogo: aprendendo com a sua criatividade O SuperLogo é um programa computacional que utiliza linguagem de programação Logo. Esta linguagem foi desenvolvida na década de 60 nos Estados Unidos no Instituto

Leia mais

Tutorial de Matlab Francesco Franco

Tutorial de Matlab Francesco Franco Tutorial de Matlab Francesco Franco Matlab é um pacote de software que facilita a inserção de matrizes e vetores, além de facilitar a manipulação deles. A interface segue uma linguagem que é projetada

Leia mais

Estruturas Discretas INF 1631

Estruturas Discretas INF 1631 Estruturas Discretas INF 1631 Thibaut Vidal Departamento de Informática, Pontifícia Universidade Católica do Rio de Janeiro Rua Marquês de São Vicente, 225 - Gávea, Rio de Janeiro - RJ, 22451-900, Brazil

Leia mais

Desenvolvendo Websites com PHP

Desenvolvendo Websites com PHP Desenvolvendo Websites com PHP Aprenda a criar Websites dinâmicos e interativos com PHP e bancos de dados Juliano Niederauer 19 Capítulo 1 O que é o PHP? O PHP é uma das linguagens mais utilizadas na Web.

Leia mais

Modelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1

Modelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1 Carlos Alexandre Mello 1 Modelagem no Domínio da Frequência A equação diferencial de um sistema é convertida em função de transferência, gerando um modelo matemático de um sistema que algebricamente relaciona

Leia mais

UFERSA Universidade Federal Rural do Semi-Árido. R Project R Project Criando e manipulando objetos.

UFERSA Universidade Federal Rural do Semi-Árido. R Project R Project Criando e manipulando objetos. UFERSA Universidade Federal Rural do Semi-Árido R Project R Project Criando e manipulando objetos. Conteúdo 1 2 3 Iniciando o R Manipulando Objetos Objetos especiais Introdução O R é uma importante ferramenta

Leia mais

Copiright de todos artigos, textos, desenhos e lições. A reprodução parcial ou total desta aula só é permitida através de autorização por escrito de

Copiright de todos artigos, textos, desenhos e lições. A reprodução parcial ou total desta aula só é permitida através de autorização por escrito de 1 Nesta aula você aprenderá a utilizar 2 pontos de fuga para representar objetos em perspectiva. É importante lembrá-lo que as explicações a seguir se complementam com o material do nível intermediário

Leia mais

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas? Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões

Leia mais

Sistemas de Numerações.

Sistemas de Numerações. Matemática Profº: Carlos Roberto da Silva; Lourival Pereira Martins. Sistema de numeração: Binário, Octal, Decimal, Hexadecimal; Sistema de numeração: Conversões; Sistemas de Numerações. Nosso sistema

Leia mais

(a 1 + a 100 ) + (a 2 + a 99 ) + (a 3 + a 98 ) +... + (a 50 + a 51 ).

(a 1 + a 100 ) + (a 2 + a 99 ) + (a 3 + a 98 ) +... + (a 50 + a 51 ). Questão 1. A sequência 0, 3, 7, 10, 14, 17, 21,... é formada a partir do número 0 somando-se alternadamente 3 ou 4 ao termo anterior, isto é: o primeiro termo é 0, o segundo é 3 a mais que o primeiro,

Leia mais

Introdução à Engenharia de Computação

Introdução à Engenharia de Computação Introdução à Engenharia de Computação Tópico: O Computador como uma Multinível José Gonçalves - Introdução à Engenharia de Computação Visão Tradicional Monitor Placa-Mãe Processador Memória RAM Placas

Leia mais

Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO)

Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Parte: 1 Prof. Cristóvão Cunha Objetivos de aprendizagem

Leia mais

Conceitos e fórmulas

Conceitos e fórmulas 1 Conceitos e fórmulas 1).- Triângulo: definição e elementos principais Definição - Denominamos triângulo (ou trilátero) a toda figura do plano euclidiano formada por três segmentos AB, BC e CA, tais que

Leia mais

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos

Leia mais

Sistemas de Apoio à Decisão

Sistemas de Apoio à Decisão Sistemas de Apoio à Decisão Processo de tomada de decisões baseia-se em informação toma em consideração objectivos toma em consideração conhecimento sobre o domínio. Modelar o processo de tomada de decisões

Leia mais

Exercícios de Teoria da Computação Autómatos finitos não deterministas

Exercícios de Teoria da Computação Autómatos finitos não deterministas Licenciatura em Engenharia Informática e de Computadores - LEIC Licenciatura em Engenharia de Redes de Comunicações - LERC Exercícios de Teoria da Computação Autómatos finitos não deterministas Secção

Leia mais

5 Equacionando os problemas

5 Equacionando os problemas A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar

Leia mais

Álgebra A - Aula 11 RSA

Álgebra A - Aula 11 RSA Álgebra A - Aula 11 RSA Elaine Pimentel Departamento de Matemática, UFMG, Brazil 2 o Semestre - 2010 Criptografia RSA- pré-codificação Converter a mensagem em uma seqüência de números pré-codificação.

Leia mais

Linguagem algorítmica: Portugol

Linguagem algorítmica: Portugol Programação de Computadores I Aula 03 Linguagem algorítmica: Portugol José Romildo Malaquias Departamento de Computação Universidade Federal de Ouro Preto 2011-1 1/34 Introdução I Lógica A lógica é usada

Leia mais

Aula 10 Introdução à Algoritmos. Disciplina: Fundamentos de Lógica e Algoritmos Prof. Bruno Gomes http://www3.ifrn.edu.

Aula 10 Introdução à Algoritmos. Disciplina: Fundamentos de Lógica e Algoritmos Prof. Bruno Gomes http://www3.ifrn.edu. Aula 10 Introdução à Algoritmos Disciplina: Fundamentos de Lógica e Algoritmos Prof. Bruno Gomes http://www3.ifrn.edu.br/~brunogomes Agenda da Aula Introdução aos Algoritmos: Conceitos Iniciais; Programa

Leia mais

Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima.

Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. 1 /2013 Para calcular Hom(G 1,G 2 ) ou Aut(G) vocês vão precisar ter em

Leia mais

Prova Resolvida. múltiplos de 7: 7, 14, 21, 28, 35, 42, 49, 56, 63, 70, 77, 84, 91, 98

Prova Resolvida. múltiplos de 7: 7, 14, 21, 28, 35, 42, 49, 56, 63, 70, 77, 84, 91, 98 Prova Resolvida Matemática p/ TJ-PR - Uma caixa contém certa quantidade de lâmpadas. Ao retirá-las de 3 em 3 ou de 5 em 5, sobram lâmpadas na caixa. Entretanto, se as lâmpadas forem removidas de 7 em 7,

Leia mais

Jogos. Redes Sociais e Econômicas. Prof. André Vignatti

Jogos. Redes Sociais e Econômicas. Prof. André Vignatti Jogos Redes Sociais e Econômicas Prof. André Vignatti Teoria dos Jogos Neste curso, queremos olhar para redes a partir de duas perspectivas: 1) uma estrutura subjacente dos links de conexão 2) o comportamentos

Leia mais

2 echo "PHP e outros.";

2 echo PHP e outros.; PHP (Hypertext Preprocessor) Antes de qualquer coisa, precisamos entender o que é o PHP: O PHP(Hypertext Preprocessor) é uma linguagem interpretada gratuita, usada originalmente apenas para o desenvolvimento

Leia mais

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2 FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade

Leia mais

Problemas Computáveis

Problemas Computáveis Indecidibilidade Problemas Computáveis Máquinas de Turing ou Problemas Computáveis ou Linguagens Recursivamente Enumeráveis LER (*) podem ser divididas em 2 classes: as MT que sempre param (Algoritmos),

Leia mais

Resolução de problemas e desenvolvimento de algoritmos

Resolução de problemas e desenvolvimento de algoritmos SSC0101 - ICC1 Teórica Introdução à Ciência da Computação I Resolução de problemas e desenvolvimento de algoritmos Prof. Vanderlei Bonato Prof. Cláudio Fabiano Motta Toledo Sumário Análise e solução de

Leia mais

Projeto e Análise de Algoritmos. Profa. Juliana Kaizer Vizzotto. Projeto e Análise de Algoritmos - Aula 1

Projeto e Análise de Algoritmos. Profa. Juliana Kaizer Vizzotto. Projeto e Análise de Algoritmos - Aula 1 Projeto e Análise de Algoritmos Profa. Juliana Kaizer Vizzotto Projeto e Análise de Algoritmos - Aula 1 Roteiro Introdução Exemplo: ordenação Introdução Análise de Algoritmos Estudo teórico da performance

Leia mais

Funil de vendas com conversão arrasadora

Funil de vendas com conversão arrasadora Funil de vendas com conversão arrasadora Então você sabe o que é um funil de vendas? Como funciona um verdadeiro funil de vendas? Se você trabalha como afiliado ou como produtor sabe que um dia irá precisar

Leia mais

Teoria da Computação Linguagens Formais e Autômatos

Teoria da Computação Linguagens Formais e Autômatos 1 Prof. Diógenes Furlan Teoria da Comutação Linguagens Formais e Autômatos Módulo 2 2015 2 Autômato de Pilha Modelo reconhecedor de alavras ara LLCs. Modelo da Máuina fita de entrada cabeça de leitura

Leia mais

Redutibilidade. Mário S. Alvim Fundamentos de Teoria da Computação (FTC) DCC-UFMG (2018/02)

Redutibilidade. Mário S. Alvim Fundamentos de Teoria da Computação (FTC) DCC-UFMG (2018/02) Redutibilidade Mário S. Alvim (msalvim@dcc.ufmg.br) Fundamentos de Teoria da Computação (FTC) DCC-UFMG (2018/02) Mário S. Alvim (msalvim@dcc.ufmg.br) Redutibilidade DCC-UFMG (2018/02) 1 / 46 Redutibilidade:

Leia mais

Sistemas de Numeração. Professor: Rogério R. de Vargas INFORMÁTICA 2014/2

Sistemas de Numeração. Professor: Rogério R. de Vargas INFORMÁTICA 2014/2 INFORMÁTICA Sistemas de Numeração Professor: Rogério R. de Vargas 2014/2 Sistemas de Numeração São sistemas de notação usados para representar quantidades abstratas denominadas números. Um sistema numérico

Leia mais

1. NÍVEL CONVENCIONAL DE MÁQUINA

1. NÍVEL CONVENCIONAL DE MÁQUINA 1. NÍVEL CONVENCIONAL DE MÁQUINA Relembrando a nossa matéria de Arquitetura de Computadores, a arquitetura de Computadores se divide em vários níveis como já estudamos anteriormente. Ou seja: o Nível 0

Leia mais

UM TEOREMA QUE PODE SER USADO NA

UM TEOREMA QUE PODE SER USADO NA UM TEOREMA QUE PODE SER USADO NA PERCOLAÇÃO Hemílio Fernandes Campos Coêlho Andrei Toom PIBIC-UFPE-CNPq A percolação é uma parte importante da teoria da probabilidade moderna que tem atraído muita atenção

Leia mais

Máquinas de Turing 1

Máquinas de Turing 1 Máquinas de Turing 1 Agenda Máquinas de Turing (TM) Alan Turing Motivação Tese de Church-Turing Definições Computação Configuração de TM Reconhecedores vs. Decisores 2 Alan Turing Alan Turing é um dos

Leia mais

O modelo do computador

O modelo do computador O modelo do computador Objetivos: Mostrar como é o funcionamento dos computadores modernos Mostrar as limitações a que estamos sujeitos quando programamos Histórico Os primeiros computadores são da década

Leia mais

Você pode dizer isso de novo! Compressão de Texto

Você pode dizer isso de novo! Compressão de Texto Atividade 3 Você pode dizer isso de novo! Compressão de Texto Sumário Desde que os computadores possuíam apenas uma quantidade limitada de espaço para armazenar informações, estes precisavam armazená-las

Leia mais

Introdução aos circuitos seletores de frequências. Sandra Mara Torres Müller

Introdução aos circuitos seletores de frequências. Sandra Mara Torres Müller Introdução aos circuitos seletores de frequências Sandra Mara Torres Müller Aqui vamos estudar o efeito da variação da frequência da fonte sobre as variáveis do circuito. Essa análise constitui a resposta

Leia mais

ICC - Aula 6. Ivan da Silva Sendin. November 17, 2014. Bits, portas logicas, flip-flops,... Numeros e Simbolos Exercicios

ICC - Aula 6. Ivan da Silva Sendin. November 17, 2014. Bits, portas logicas, flip-flops,... Numeros e Simbolos Exercicios ICC - Aula 6 Ivan da Silva Sendin November 17, 2014 Só existem 10 tipos de pessoas: as que entendem números binários e as que não entendem Bits 0 e 1 portas logicas operadores lógicos Circuitos f : {0,

Leia mais

1. Funções Computáveis

1. Funções Computáveis 1. Funções Computáveis 1.1 Algoritmos ou Procedimentos Efectivos 1.2 A máquina URM - Unlimited Register Machine 1.3 Funções computáveis por URM 1.4 Predicados decidíveis e problemas 1.5 Computabilidade

Leia mais

Scale-Invariant Feature Transform

Scale-Invariant Feature Transform Scale-Invariant Feature Transform Renato Madureira de Farias renatomdf@gmail.com Prof. Ricardo Marroquim Relatório para Introdução ao Processamento de Imagens (COS756) Universidade Federal do Rio de Janeiro,

Leia mais

1.1. Organização de um Sistema Computacional

1.1. Organização de um Sistema Computacional 1. INTRODUÇÃO 1.1. Organização de um Sistema Computacional Desde a antiguidade, o homem vem desenvolvendo dispositivos elétricoeletrônicos (hardware) que funciona com base em instruções e que são capazes

Leia mais

Barra de ferramentas padrão. Barra de formatação. Barra de desenho Painel de Tarefas

Barra de ferramentas padrão. Barra de formatação. Barra de desenho Painel de Tarefas Microsoft Power Point 2003 No Microsoft PowerPoint 2003, você cria sua apresentação usando apenas um arquivo, ele contém tudo o que você precisa uma estrutura para sua apresentação, os slides, o material

Leia mais

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª

Leia mais